基于CNN-BiLSTM模型的多场景窃电检测与类型判别研究
来源：电子测量技术杂志2025年第14期北京时间：
作者：韦江衡，韦杏秋，杨舟，唐宇靖，苗强
单位：1.广西电网有限责任公司 南宁 530022;2.四川大学电气工程学院 成都 610065
摘要：为了避免因窃电行为造成的安全隐患与经济损失，同时为了高效精准的找出窃电用户并且对其窃电模式准确类型判别，提出了一种基于CNN和BiLSTM相结合的窃电检测与类型判别方法。首先，采用包含16种用电用户类型的基于开放能源数据倡议数据集，针对六种不同的窃电模式对数据进行篡改，同时对数据进行了Min-Max归一化处理；接下来，模型通过卷积层提取多尺度局部特征，利用膨胀卷积进一步扩展感受野，有效捕捉环境干扰下的细微变化；随后，采用BiLSTM对时序数据进行正反向建模，从而全面捕捉长距离依赖关系和上下文信息。为提高模型的鲁棒性和泛化能力，本文还引入了Dropout和动态学习率调整机制。最后，通过在二分类、六分类和七分类任务下进行实验，对比不同训练集比例的结果，实验表明所提方法在准确率、AUC和F1-score等指标上均显著优于传统方法，验证了模型在复杂场景下的检测和类型判别能力。
关键词：窃电检测;类型判别;CNN;BiLSTM
基金资助：四川省科技计划项目（2025YFHZ0157）资助
